YSA Tabanlı Metasezgisel Yöntemlerle Kısa Vadeli Solar Güç Tahmini (original) (raw)
Related papers
Yapay Sinir Ağı (YSA) Kullanılarak Meteorolojik Verilere Dayalı Solar Radyasyon tahmini
Deu Muhendislik Fakultesi Fen ve Muhendislik, 2021
Öz Fotovoltaik(PV) sistemlerin üretim potansiyelini belirleyen en önemli faktör maruz kaldıkları solar radyasyon miktarıdır. Atmosferde meydana gelen meteorolojik olaylar PV sistemin maruz kalacağı solar radyasyon üzerinde önemli bir etki oluşturmaktadır. Bu çalışmada; meteorolojik ölçümlere bağlı olarak solar radyasyon miktarının belirlenmesi için Yapay Sinir Ağı (YSA) uygulamasına dayalı tahmin metodolojisi sunulmuştur. Analizde, IEEE PES tarafından açık erişim olarak sunulan ve Porto Yüksek Mühendislik Enstitüsü (ISEP)/Porto Politeknik Enstitüsü' ne ait hava istasyonundan 1 Ocak 2015-30 Mayıs 2015 tarihleri aralığında ölçülen meteorolojik veriler kullanılmıştır. YSA yapısı ileri beslemeli YSA topolojisi kullanılarak Matlab ortamında modellenmiştir. Sunulan yaklaşım ile elde edilen solar radyasyon tahmin değerleri, gerçek ölçüm sonuçları karşılaştırılmış ve istatistiksel olarak değerlendirilmiştir. Ayrıca analiz değerleri, teorik olarak hesaplanan global solar radyasyon modeli ile kıyaslanarak yorumlanmıştır. Sonuçlar Solar radyasyon miktarının belirlenmesinde meteorolojik verilere dayalı olarak gerçekleştirilen YSA tahminin güneşli ve açık hava koşullarında %99, yağışlı ve bulutlu hava koşullarında ise %96 doğrulukla kullanılabileceğini göstermektedir. Sunulan yaklaşım, mevcut ve kurulması planlanan PV tesislerin üretim potansiyelinin belirlenmesinde kullanılabilir.
Sürü Zekâsi Tabanli Algori̇tmalar İle Türki̇ye’Ni̇n Uzun Vadeli̇ Enerji̇ Tüketi̇m Tahmi̇ni̇
DergiPark (Istanbul University), 2022
Enerji, ülkelerin en önemli uygarlık araçlarından biridir. Dünya genelinde artan nüfus, refah seviyesi ve gelişen teknoloji enerji tüketimini ciddi manada arttıran faktörlerdendir. Sürdürülebilir kalkınma çerçevesinde enerji üretiminin ve tüketiminin gerçekleştirilmesi günümüzün hiç şüphesiz en önemli hedeflerinden birisidir. Tercih edilen enerji türünün tükenebilir enerji kaynağı olması, bu enerji kaynaklarında dışa bağımlı olması ve çevresel durumlardan dolayı Türkiye'de gelecek yıllarda ne kadarlık enerjiye ihtiyaç duyulabileceğinin tahmin edilebilmesi büyük önem taşımaktadır. Bu önemli öngörüyü elde edebilmek için çalışmada, sürü zekâsı tabanlı meta-sezgisel algoritmalardan Balina Optimizasyon Algoritması (BOA) ve Yapay Arı Kolonisi Algoritması (YAK) tercih edilmiştir. Enerji tüketimini en çok etkileyen nüfus, gayri safi yurtiçi hâsıla (GSYH), ithalat ve ihracat gibi bağımsız değişkenlerin 1990-2009 yılları arasındaki veriler eğitim, 2009-2019 yılları arasındaki veriler ise test için kullanılmıştır. Elde edilen en iyi model sonuçlarına göre ise muhtemel dört senaryoda 2040 yılına kadar Türkiye'nin ihtiyaç duyabileceği enerji miktarı belirlenmeye çalışılmıştır. Bu hesaplamalara göre YAK modelinin test verileri için %86 2 ve %8,74 MAPE (Ortalama Mutlak Yüzdesel Hata) değerleri ile BOA modeline göre daha iyi sonuç verdiği gözlenmiştir.
Güneş Panellerinde Hibrit ve YSA Tabanlı Algoritmalar ile Güç Takibi
Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi, 2018
Bu çalışmada, ilk olarak panel çıkış akımgerilim büyüklüklerini kullanan IC algoritmasını bulanık mantık yardımıyla değişken adım aralıklarına sahip bir hibrit algoritma ile doğrudan MPPT yapılmaktadır. İkinci olarak çeşitli sıcaklık ve radyasyon büyüklükleri ile YSA kullanılarak panel modeli elde edilmiştir. Uygulamada bu model kullanılarak PID kontrolör aracılığıyla MPPT yapılmıştır. Son olarak da bu iki algoritmanın değişken radyasyon, sıcaklık, yük ve ön görülmeyen şartlar için karşılaştırmalı performansları benzetim ortamında incelenmiştir.
Kısa Süreli Rüzgar Enerjisi Tahmini
Artan enerji gereksiniminin karşılanmasında, fosil enerji kaynaklarından yapılan üretimle ortaya çıkan çevre kirliliği, Türkiye’nin gündemindeki en önemli sorunlardan birisidir. Diğer taraftan 1973 dünya petrol kriziyle birlikte, tüm dünyada olduğu gibi, Türkiye’de de yeni ve yenilenebilir enerji kaynaklarına doğru bir yönelme başlamıştır. Bu kapsamda değerlendirilen ve tüm dünyada yaygın bir şekilde kullanılan yenilenebilir enerji kaynaklarının başında Rüzgar Enerjisi gelmektedir. Rüzgar şiddetinin alansal ve zamansal olarak süreksizliğe sahip olması nedeniyle, rüzgar güç üretiminin kısa süreli tahmini ve planlamasına ihtiyaç bulunmaktadır. Bu çalışma ile Türkiye için yapılan 48 saatlik rüzgar tahminleri ve bu tahminlerin doğruluğu incelenmiştir.
Yapay Sinir Ağları Kullanarak Kısa Dönem Güneş Enerjisi Santrali Üretim Tahmini: Kahramanmaraş Örnek Çalışması, 2019
Türkiye coğrafi konumu nedeniyle büyük bir güneş enerjisi potansiyeline sahiptir ve ülkedeki Güneş Enerjisi Santrali (GES) kurulu gücü hızla artmaktadır. Fakat GES üretimlerindeki değişkenlik bu tesislerin elektrik şebeke sisteminde işletilmesini problem haline getirmektedir. Bu problemin giderilmesi için GES üretim tahminlerine ihtiyaç duyulmaktadır. Bu çalışmada GES üretimleri için bir tahmin sistemi önerilmiştir. Önerilen tahmin sisteminde Yapay Sinir Ağları (YSA) kullanılmıştır. YSA Levenberg-Marquardt öğrenme algoritması kullanılarak eğitilmiştir. YSA eğitim, doğrulama ve test süreçlerinde Kahramanmaraş ilinde yer alan GES geçmiş üretim değerleri ve Küresel Tahmin Siteminden (KTS) alınan bulutluluk tahmin verileri kullanılmıştır. YSA yapısı ve giriş değerleri değiştirilerek analizler yapılmıştır. Yapılan analizler sonucunda giriş olarak üretim değerleri ile birlikte bulutluluk tahmini kullanan YSA’nın sadece geçmiş üretim değerleri kullanılan YSA’ya kıyasla daha başarılı olduğu tespit edilmiştir.
Makine Öğrenimi Tabanlı Kısa Vadeli Fotovoltaik Çıkış Gücü Tahminlemesi
DergiPark (Istanbul University), 2023
Fosil yakıt kaynaklarının sınırlı olması ve çevreye zararlı etkilerinin olması nedeniyle fotovoltaik (PV) sistemlerinin kurulumuna olan ihtiyaç giderek artmaktadır. PV sistemlerinin hava koşularına bağımlılığı PV güç çıkışlarında kararsızlığa, gerilim, frekans dalgalanmaları ve kesintilere neden olmaktadır. Bu durum ise PV enerjisinin şebekelere entegrasyonunu zorlaştırmaktadır. Bu yüzden PV güç çıkışını önceden kısa süreli tahmin etmek karşılaşılan zorlukların üstesinden gelmek için çok önemlidir. Bu çalışmanın amacı, literatürde makine öğrenimi modellerinde yaygın olan aşırı öğrenme ve yavaş öğrenme dezavantajlarının üstesinden gelerek daha hızlı öğrenen ve yüksek doğrulukta performans gösteren Gürbüz Düzenlenmiş Rastgele Vektör Fonksiyon Bağlantı (GD-RVFL) ağı modelini kısa vadeli PV çıkış gücünü tahmin etmede kullanmak ve bu kapsamda önerilen modeli 10 farklı makine öğrenimi yöntemi olan
Mermer Kesme İşleminde Spesifik Enerji Faktörünün ANFIS ve YSA Yöntemleri ile Tahmini
Pamukkale University Journal of Engineering Sciences, 2009
Bu çalışmada, mermer kesme parametrelerinin enerji tüketimine etkisi, Yapay Sinir Ağları ve ANFIS kullanılarak tahmin edilmiştir. Tahmin metotlarında giriş olarak mermerin sertliği, testere dönüş hızı ve kesme hızı parametreleri kullanılmış ve birim hacim başına harcanan kesme enerjisinin bir ifadesi olan spesifik enerji faktörü çıkış olarak alınmıştır. Ağların eğitimi için kullanılan veriler, Afyon Kocatepe Üniversitesi laboratuarlarında bulunan, mermer kesilebilirlik analizleri için geliştirilmiş, bilgisayar tabanlı, dairesel testereli blok kesme (S/T) makinesinde yapılan bir deneysel çalışmadan alınmıştır. Bu veriler Denizli Traverteni ve Bilecik Bej tipi mermerlere ait kesim parametreleridir. Bu verilerin bir kısmı eğitimde kullanılmış ve tüm veriler daha sonra eğitilen ağlarda test edilmiştir. Tahmin edilen sonuçlar elde edilmiş deney sonuçlarıyla karşılaştırılmıştır. Sonuç olarak tahmin edilen verilerin deneysel verilere oldukça yakın olduğu görülmüştür.
Düzce Üniversitesi Bilim ve Teknoloji Dergisi, 2018
Yapılacak olan çalışmada meteorolojik veriler ile doğru üretim tahmini yapan matematiksel modellerin oluşturulması amaçlanmıştır. Yenilenebilir enerji kaynaklarında, üretim tahminlerini doğru olarak yapabilen modeller bulunmamaktadır. Bu çalışma ile üretilecek modeller sayesinde geleceğe yönelik doğru tahminler yapılmış olup, en uygun yöntem kullanılarak üretilen matematiksel modellerin doğruluğu test edilmiştir. Elde edilen tahmin modelleri ile rüzgâr ve güneş enerjisi santrallerinde kısa dönem enerji üretim tahmini yapılmıştır. Geliştirilen matematiksel modellerin doğruluğu çoklu regresyon analizi kullanılarak incelenmiştir. Bu modeller ile üretim planlaması daha kolay ve doğru bir şekilde tahmin edilmiştir.
Akıllı Şebekelerde Güneş Enerjisi Üretiminin Zamana Bağlı Olasılıksal Tahmini
Population growth and energy resource based on fossil fuel depletion increase the demand for renewable energy resources, especially for solar energy in the world. Smart grids have been developed in order to meet the growing energy need in the form of an intelligent structure with renewable energy sources. One key goal of the smart grid initiatives, therefore, increases the ratio of the renewable energy within overall energy power generation. However, the integration of renewable energies into the grid, whose power generation is intermittent and uncontrollable, leads to a number of challenges. It is critical to determine which renewable source will be dispatched to satisfy the variety of customer demands, and predict the energy power in advance. Figure A. Block schema of the system Purpose: In this study, we aim to show that the energy generation could be modeled based on the weather measurements using the machine learning algorithms and the renewable energy production system oriented power generation could be, thus, predicted hourly. Theory and Methods: The model was created by machine learning approaches and an energy production estimate was made. A variety of methods such as multiple linear regression, Powell optimization and probabilistic programming based on Markov Chain Monte Carlo simulations were used and their capability of predictions were compared to each other. Results: The energy production is estimated with an accuracy of 80% with an analytical approach. Additionally, a probabilistic approach was used to predict the power associated with an uncertainty indicating the upper and lower limit of a power based on time. Conclusion: The power generated from a solar plant could be predictable based on the weather measurements. In addition, it is considered that estimation algorithms will facilitate the integration of renewable energy systems into the existing grid and make the smart grid more widespread.